sag 是一个基于 ElevenLabs 的文字转语音（TTS）命令行工具，提供类似 macOS say 的本地播放体验。它需要 API 密钥，优先读取环境变量 ELEVENLABS_API_KEY，CLI 也支持 SAG_API_KEY。
基本用法：sag "Hello there" 直接朗读文本；sag speak -v "Roger" "Hello" 指定音色朗读；sag voices 列出可用音色；sag prompting 提供针对特定模型的提示技巧。
模型方面，默认使用 eleven_v3（表现力强），稳定版为 eleven_multilingual_v2，快速版为 eleven_flash_v2_5。语音默认音色可通过 ELEVENLABS_VOICE_ID 或 SAG_VOICE_ID 设置，建议在生成长内容前确认音色与发音人。
发音与表达调整：优先通过重拼（如 "key-note"）、加连字符、调整大小写修正发音；数字、单位、URL 可用 --normalize auto（若影响人名则改为 off）；用 --lang en|de|fr|... 指定语言偏好以引导归一化。v3 不支持 SSML <break>，改用 [pause]、[short pause]、[long pause]；v2/v2.5 支持 SSML <break time="1.5s" />，但 sag 未暴露 <phoneme>。v3 音频标签需放在行首，如 [whispers]、[shouts]、[sings]、[laughs]、[sighs]、[excited]、[curious] 等，例如 sag "[whispers] keep this quiet. [short pause] ok?"。
生成音频文件可用于语音回复：sag -v Clawd -o /tmp/voice-reply.mp3 "Your message here"，随后以 MEDIA:/tmp/voice-reply.mp3 形式包含在回复中。资料未提供更多平台支持、价格或详细限制信息。